物理学家用简化模型揭示神经网络如何学习
哈佛物理学家构建了一个可用统计物理工具精确分析的简化神经网络模型，用以解释大规模人工智能系统为何在高维数据下仍能高效学习且不易过拟合。
数据驱动三维染色体建模方法FI-Chrom揭示DNA结构与动态特征
赖斯大学研究团队提出开放获取程序FI-Chrom，可将Hi-C接触图谱转化为染色体三维结构集合，并据此推断染色体构象的动态变化。
哈佛物理学家构建了一个可用统计物理工具精确分析的简化神经网络模型，用以解释大规模人工智能系统为何在高维数据下仍能高效学习且不易过拟合。
赖斯大学研究团队提出开放获取程序FI-Chrom，可将Hi-C接触图谱转化为染色体三维结构集合，并据此推断染色体构象的动态变化。
